温馨提示,动图已压缩,流量党放心查看。CPU方面内容不多,我们顺便学点命令。本篇是《荒岛余生》系列第二篇,垂直观测CPU。其余参见:
如何做一个CPU
cpu是芯片的一种,我们以汉芯为例,看一下制作七步曲。
- 提纯精度11个9的硅片(99.999999999%)
- 生成晶圆
- 使用光刻机加工晶圆
- 使用刻蚀机沟槽
- 完成P型半导体制作
- 使用200号的粗砂纸抹掉原标志
- 涂上新标志 bingo,完工!
虽然CPU很小,但生产它的设备可不简单。如下图,就是一台重十几吨,占地上百平米,全世界都当宝贝的光刻机!
找到占用CPU最高的线程
接下来看一个实际的例子。公司有点穷,所以机器上混合部署了多个java应用,突然有一天,CPU炸了,我们要找到是谁引起的。这个谁不是进程,而是线程,离真相最近的那个。
传统做法
通常的做法是:
- 在命令行输入
top
,然后shift+p
查看占用CPU最高的进程,记下进程号 - 在命令行输入
top -Hp 进程号
,查看占用CPU最高的线程 - 使用
printf 0x%x 线程号
,得到其16进制线程号 - 使用
jstack 进程号
得到java执行栈,然后grep
16进制找到相应的信息 录个屏先
拔萝卜带泥
但我想通过另外一种方式来实现这个功能(最多样化),顺便学几个其他常用的命令。
ps -eo %cpu,pid |sort -n -k1 -r | head -n 1 | awk '{print $2}' |xargs top -b -n1 -Hp | grep COMMAND -A1 | tail -n 1 | awk '{print $1}' | xargs printf 0x%x
复制代码
这一行Shell的意思是,找到使用CPU最高的进程之使用CPU最高的线程的16进制号。 这么长的命令,是不是晕了?别怕,我们一点点来。通常情况下,练习熟练了命令中出现的这几个,就能够应对50%的常用工作了。Come on,上图。 15423589014500.jpg
有哪些查看CPU的命令
top
其实从上面命令就可以瞧出来,top和ps的命令是互通的,只不过表现形式不同,我们直接拿top来说。按数字1就可以显示每核CPU的使用情况。基本上都是些单词的缩写,看几遍就忘不掉了。比如 :
us ==> user CPU time
复制代码
- 如果load超过了cpu核数,则负载过高
- 如果wa过高,可初步判断I/O有问题
- sy,si,hi,st,任何一个超过5%,都有问题
- 进程状态长时处于D、Z、T状态,提高注意度
- cpu不均衡,判断亲和性和优先级问题
vmstat
vmstat 以另一种形式来展示一些信息。如图:
b
置于等待队列(等待资源、等待输入/输出)的内核线程数目。数字过大则cpu太忙。cs
如果频繁的进行上下文切换,则考虑是否是线程数开的过多si
/so
显示了交换分区的现状,有时候会造成cpu问题,一并关注
sar
是目前Linux上最为全面的系统性能分析工具之一,但可能没有预装。在centos上使用以下命令即可安装。
yum install sysstat -y
复制代码
sar主要的好处是可以看到历史,显示友好,可以对结果进行二次处理。sar还有图形化工具,执行sar -A
即可获得所有数据。
https://github.com/vlsi/ksar
复制代码
针对于CPU方面,我们关注:
- sar -u 默认
- sar -P ALL 每颗cpu的使用状态信息
- sar -q cpu队列的长度,runq-sz>cpu count就表明有瓶颈了
- sar -w 每秒上下文交换 可以瞧见,关注的也就那几个点而已。
pidstat
,包括彩色的dstat
,功能都差不多, 用熟一个就ok了。
数据从何而来
那么数据从何而来? /proc
目录是一个虚拟目录,存储的是当前内核的一系列特殊文件,你不仅能查看一些状态,甚至能修改一些值来改变系统的行为。
比如top的load (使用uptime命令得到同样的结果)。读取的就是 /proc/loadavg
文件 而每核cpu的信息,读取 /proc/stat
文件
这些命令,是对/proc目录中一系列信息的解析和友好的展示,这些值,Linux内核都算好了躺在那呢。
几个例子
此文归属微信公众号「小姐姐味道」,转载注明出处。CPU过高是表象。除了系统确实负载已经到了极限,其他的,都是由其他原因引起的,比如I/O;比如设备。这些我们放在其他章节进行讨论。
GC引起的CPU过高
接着我们最开始的例子来。通过查看jstack找到相应的16进制进程,结果发现是GC线程。
"VM Thread" prio=10 tid=0x00007f06d8089000 nid=0x58c7 runnable
"GC task thread#0 (ParallelGC)" prio=10 tid=0x00007f06d801b800 nid=0x58d7 runnable
复制代码
这种情况,一般都是JVM内存不够用了,疯狂GC,可能是socket/线程忘了关闭了,也可能是大对象没有回收。这种情况只能通过重启来解决了,记得重启之前,使用jmap dump一下堆栈哦。当然,你可能会得到jdk版本的问题。
st%占比过高
st过高一般是物理CPU资源不足所致,也就是只发生在虚拟机上。 如果你买的虚拟机st一直很高,那你的服务提供商可能在超卖,挤占你的资源。不信双11的时候看下你的虚拟机?
网卡导致单cpu过高
业务方几台kafka,cpu使用处于正常水平,才10%左右,但有一核cpu,负载特别的高,si奇高。
mpstat -I SUM -P ALL 查看cpu使用情况,cpu0的中断确实比较多。
20:15:18 CPU intr/s
20:15:23 all 34234.20
20:15:23 0 9566.20
20:15:23 1 0.00
复制代码
网卡需要cpu服务时,都会抛出一个中断,中断告诉cpu发生了什么事情,cpu就要停止目前的工作来处理这个中断。其实,默认所有的中断处理都集中在cpu0 上,导致服务器负载过高。cpu0 成了瓶颈,而其他cpu却还闲着。 ➊ 解决方式1:使用CPU亲和性功能,kafka略过网卡所使用的CPU ➋ 解决方式2: 更换网卡 ➌ 通常修改的方式还是有些复杂了,比如,修改/proc/irq/{seq}/smp_affinity 我们可以直接安装irqbalance
,然后执行就可以了。
yum install irqbalance -y
service irqbalance start
复制代码
cpu使用率低,但负载高
cpu id%高,也就是空闲,比如90%。但 load average非常高,比如4核达到10。
分析:load average高,说明其任务已经排队,许多任务正在等待。出现此种情况,可能存在大量不可中断的进程。
使用top或者ps可以看到进程相应的状态。
ps aux
复制代码
高频问题:load
load代表的是啥
说句白话,load代表的就是你目前系统进程的排队情况。
- 马路上的车只有4辆,车辆畅通无阻,load大约是0.5
- 马路上的车有8辆,正好能首尾相接安全通过,此时load大约为1
- 马路上的车有12辆,除了在马路上的8辆车,还有4辆交集的等在外面,也就是超出容量了,需要排队。此时load大约为1.5
load为1代表的是啥
针对这个问题,误解还是比较多的。很多同学认为,load达到1,系统就到了瓶颈,这不完全正确。 load的值和cpu核数息息相关:
- 单核的cpu达到100%,load约1
- 双核的cpu都达到100%,load约2
- 四核的cpu都达到100%,load约为4
所以,对于一个load到了10,却是16核的机器,你的系统还远没有达到负载极限。
结尾
本篇实际的排查过程较少,因为cpu问题一般都伴随着其他问题。但文中出现的这些命令可不简单,尤其是它们丰富的参数。这些参数,执行一下man,就可以一睹芳容了。比如:
man top
复制代码
当然,也可以这样~